Técnicas de sensoriamento remoto são fundamentais para o monitoramento das mudanças de uso da terra, principalmente em áreas extensas. O mapeamento de uso da terra, geralmente é realizado por métodos de classificação manual ou digital pixel a pixel, os quais consomem muito tempo. Este trabalho busca desenvolver um novo método para segmentação não-supervisionada de imagens de sensoriamento remoto baseado na minimização da entropia cruzada entre a distribuição de probabilidade da imagem e um modelo estatístico. Para os testes realizados, foram utilizadas quinze imagens capturadas pelo sensor TM (Thematic Mapper) do satélite Landsat 5 a partir do banco de dados do projeto de mapeamento do uso do solo da região amazônica. Os resultados indicam que a minimização da entropia cruzada está relacionada com uma segmentação coerente das imagens. A concordância média entre o classificador e o gabarito foi de 85% para as quinze imagens selecionadas e de 92% para quatro pequenas regiões que representam detalhes de uma das imagens.